Beslutningstræer er diagrammer, der forsøger at vise intervallet af mulige resultater og efterfølgende beslutninger truffet efter en første beslutning. F.eks. Kan din oprindelige beslutning være, om du vil gå på college, og træet kan forsøge at vise, hvor meget tid der vil blive brugt på forskellige aktiviteter og din indtjeningsstyrke baseret på din beslutning. Der er flere bemærkelsesværdige fordele og ulemper ved at bruge beslutningstræer.

De mandlige hænder med en pen og koppen

I betragtning af konsekvenser

Et af de mest nyttige aspekter ved beslutningstræer er, at de tvinger dig til at overveje så mange mulige resultater af en beslutning, som du kan tænke på. Det kan være farligt at træffe spor-af-det-øjeblik beslutninger uden at overveje rækkevidde af konsekvenser. Et beslutningstræ kan hjælpe dig med at veje de sandsynlige konsekvenser af en beslutning mod en anden. I nogle tilfælde kan det endda hjælpe dig med at estimere forventede udbetalinger af beslutninger. For eksempel, hvis du opretter estimater i dollarværdien af ​​alle resultater og sandsynligheder, der er forbundet med hvert resultat, kan du bruge disse tal til at beregne, hvilken første beslutning der vil føre til den største gennemsnitlige økonomiske udbetaling. Beslutningstræer giver en ramme for at overveje sandsynligheden og udbetalingen af ​​beslutninger, som kan hjælpe dig med at analysere en beslutning om at tage den mest informerede beslutning muligt.

Forventninger

En ulempe ved at bruge beslutningstræer er, at resultaterne af beslutninger, efterfølgende beslutninger og udbetalinger primært kan være baseret på forventninger. Når der træffes faktiske beslutninger, er udbetalingerne og de deraf følgende beslutninger muligvis ikke de samme som dem, du har planlagt. Det kan være umuligt at planlægge for alle eventualiteter, der kan opstå som følge af en beslutning. Dette kan føre til et urealistisk beslutningstræ, der kan lede dig mod en dårlig beslutning. Uventede begivenheder kan også ændre beslutninger og ændre udbetalingen i et beslutningstræ. For eksempel, hvis du forventer, at dine forældre vil betale for halvdelen af ​​dit college, når de beslutter at gå i skole, men senere opdager, at du bliver nødt til at betale for alt dit undervisning, vil dine forventede udbetalinger være dramatisk anderledes end virkeligheden.

kompleksitet

Beslutningstræer er relativt let at forstå, når der er få beslutninger og resultater inkluderet i træet. Store træer, der indeholder snesevis af beslutningsnoder (pletter, hvor nye beslutninger træffes) kan være indviklet og kan have begrænset værdi. Jo flere beslutninger der er i et træ, desto mindre nøjagtige er forventede resultater. For eksempel, hvis du foretager et træ, der kortlægger beslutningen om at gå på college, vil du sandsynligvis ikke være i stand til nøjagtigt at forudsige chancerne for, at du vil tjene over $ 100.000 om ti år, men du kan muligvis nøjagtigt estimere din indtjening strøm efter du er kommet ud af college.